§
    	¼¸j�D  ã            
       óü  — d Z ddlZddlZddlmZ ddlmZmZ ddl	m
Z
mZmZ ddlmZ ddlmZ ddlmZ dd	lmZ e
eegZ	 d!d„Zej                             de¦  «        ej                             dddg¦  «        ej                             dg d¢¦  «        ej                             ddej        ej        ej        g¦  «        d„ ¦   «         ¦   «         ¦   «         ¦   «         Zej                             de¦  «        ej                             dddg¦  «        ej                             dddg¦  «        ej                             dddg¦  «        ej                             de¦  «        d„ ¦   «         ¦   «         ¦   «         ¦   «         ¦   «         Zej                             de¦  «        ej                             dddg¦  «        ej                             dddg¦  «        ej                             dedgz   ¦  «        d„ ¦   «         ¦   «         ¦   «         ¦   «         Zej                             de¦  «        ej                             dddg¦  «        ej                             dddg¦  «        ej                             dddg¦  «        d„ ¦   «         ¦   «         ¦   «         ¦   «         Zej                             dddg¦  «        d„ ¦   «         Z ej                             dddg¦  «        d„ ¦   «         Z!d „ Z"dS )"z‰
Tests for LinearModelLoss

Note that correctness of losses (which compose LinearModelLoss) is already well
covered in the _loss module.
é    N)Úassert_allclose)ÚlinalgÚoptimize)ÚHalfBinomialLossÚHalfMultinomialLossÚHalfPoissonLoss)Úmake_low_rank_matrix)ÚLinearModelLoss)Úsquared_norm)ÚCSR_CONTAINERS©éþÿÿÿé   é*   c                 ó~  ‡— t           j                             |¦  «        Š|| j        z   }t	          ||‰¬¦  «        }|                      |¦  «        }| j        j        rÓ| j        j        }‰ 	                    |d         |d         ||z  ¬¦  «        |j
        dd…<   | j        r$||dd…dd…f         j        z  |dd…df         z   }	n
||j        z  }	| j        j                             |	¦  «        }
ˆfd„} |t          j        |¦  «        |
¬¦  «                             t           j        ¦  «        }n‰‰ 	                    |d         |d         |¬¦  «        |j
        dd…<   | j        r||dd…         z  |d         z   }	n||z  }	| j        j                             |	‰ 	                    dd|¬¦  «        z   ¦  «        }|||fS )	z-Random generate y, X and coef in valid range.)Ú	n_samplesÚ
n_featuresÚrandom_stater   é   )ÚlowÚhighÚsizeNéÿÿÿÿc                 óÈ   •— |                      d¬¦  «        }‰                     |j        d         ¦  «        d d …d f         }||k                          d¬¦  «        }| |         S )Nr   ©Úaxisr   )ÚcumsumÚrandÚshapeÚsum)ÚitemsÚpÚsÚrÚkÚrngs        €ú{/root/private/project/pallet_detection_v2/.venv/lib/python3.11/site-packages/sklearn/linear_model/tests/test_linear_loss.pyÚchoice_vectorizedz*random_X_y_coef.<locals>.choice_vectorized8   sZ   ø€ Ø—’˜a�Ñ Ô ˆAØ—’˜œ œÑ$Ô$ Q Q Q¨ WÔ-ˆAØ�Q’—’ �Ñ#Ô#ˆAØ˜”8ˆOó    )r"   )ÚnpÚrandomÚRandomStateÚfit_interceptr	   Úinit_zero_coefÚ	base_lossÚis_multiclassÚ	n_classesÚuniformÚflatÚTÚlinkÚinverseÚarangeÚastypeÚfloat64)Úlinear_model_lossr   r   Ú
coef_boundÚseedÚn_dofÚXÚcoefr1   Úraw_predictionÚprobar(   Úyr&   s                @r'   Úrandom_X_y_coefrC      sÿ  ø€ õ Œ)×
Ò
 Ñ
%Ô
%€CØÐ*Ô8Ñ8€EÝØØØð	ñ 	ô 	€Að
 ×+Ò+¨AÑ.Ô.€DàÔ"Ô0ð "
Ø%Ô/Ô9ˆ	Ø—{’{Ø˜1”Ø˜A”Ø˜UÑ"ð #ñ 
ô 
ˆŒ	�!�!�!‰ð
 Ô*ð 	(Ø  a a a¨¨"¨ f¤¤Ñ/°$°q°q°q¸"°u´+Ñ=ˆNˆNà ¤™ZˆNØ!Ô+Ô0×8Ò8¸ÑHÔHˆð	ð 	ð 	ð 	ð 	ð Ð�bœi¨	Ñ2Ô2°eÐ<Ñ<Ô<×CÒCÅBÄJÑOÔOˆˆà—{’{Ø˜1”Ø˜A”Øð #ñ 
ô 
ˆŒ	�!�!�!‰ð
 Ô*ð 	&Ø  c r c¤™]¨T°"¬XÑ5ˆNˆNà ™XˆNØÔ'Ô,×4Ò4Ø˜SŸ[š[¨R°a¸i˜[ÑHÔHÑHñ
ô 
ˆð ˆa�ˆ:Ðr)   r/   r-   FTr   )r   r   é
   Údtypec                 óâ  — t           | ¦   «         |¬¦  «        }t          j                             d¦  «        }|                     d|f¬¦  «        }|                     ||¬¦  «        }|j        j        r.|j        j        }|j	        |||z   fk    sJ ‚|j
        d         sJ ‚n|j	        ||z   fk    sJ ‚|€|j        |j        k    sJ ‚n|j        |k    sJ ‚t          j        |¦  «        dk    sJ ‚dS )	z4Test that init_zero_coef initializes coef correctly.©r/   r-   r   é   )r   )rE   ÚF_CONTIGUOUSNr   )r
   r*   r+   r,   Únormalr.   r/   r0   r1   r   ÚflagsrE   Úcount_nonzero)	r/   r-   r   rE   Úlossr&   r>   r?   r1   s	            r'   Útest_init_zero_coefrN   P   s  € õ  Y Y¡[¤[ÀÐNÑNÔN€DÝ
Œ)×
Ò
 Ñ
#Ô
#€CØ�
Š
˜˜J˜ˆ
Ñ(Ô(€AØ×Ò˜q¨ÐÑ.Ô.€DØ„~Ô#ð ;Ø”NÔ,ˆ	ØŒz˜i¨°mÑ)CÐDÒDÐDÐDÐDØŒz˜.Ô)Ð)Ð)Ð)Ð)àŒz˜j¨=Ñ8Ð:Ò:Ð:Ð:Ð:à€}ØŒz˜QœWÒ$Ð$Ð$Ð$Ð$àŒz˜UÒ"Ð"Ð"Ð"åÔ˜DÑ!Ô! QÒ&Ð&Ð&Ð&Ð&Ð&r)   Úsample_weightÚrangeÚl2_reg_strengthr   Úcsr_containerc           	      óâ  — t           | ¦   «         |¬¦  «        }t          |ddd¬¦  «        \  }}}|                     ¦   «         |                     ¦   «         |                     ¦   «         }}
}	|dk    r-t          j        d|j        d         |j        d         ¬	¦  «        }|                     |||||¬
¦  «        }|                     |||||¬
¦  «        }|                     |||||¬
¦  «        \  }}| 	                    |||||¬
¦  «        \  }}| 
                    |||||¬
¦  «        \  }}}t          ||¦  «         t          ||¦  «         t          ||¦  «         t          ||¦  «         t          ||                     d¬¦  «        z   ||¦  «                             d¬¦  «        ¦  «         t          j        |¦  «        }t          j        ||j        |j        f¬¦  «        }| 
                    |||||||¬¦  «        \  }}}t          j        ||¦  «        sJ ‚t          j        ||¦  «        sJ ‚t          ||¦  «         t          ||¦  «         t          ||¦  «         t          ||¦  «          ||¦  «        }|                     |||||¬
¦  «        }|                     |||||¬
¦  «        }|                     |||||¬
¦  «        \  }}| 	                    |||||¬
¦  «        \  }}| 
                    |||||¬
¦  «        \  } }!}t          ||¦  «         t          ||¦  «         t          ||¦  «         t          ||¦  «         t          ||¦  «         t           ||¦  «         ||¦  «        ¦  «         t          || ¦  «         t          ||!¦  «         t          ||	¦  «         t          |                     ¦   «         |	¦  «         t          ||
¦  «         t          ||¦  «         dS )zDTest that loss and gradient are the same across different functions.rG   rD   rH   r   ©r:   r   r   r<   rP   r   r   ©Únum©rO   rQ   ÚF©Úorder)r   )rO   rQ   Úgradient_outÚhessian_outN)r
   rC   Úcopyr*   Úlinspacer   rM   ÚgradientÚloss_gradientÚgradient_hessian_productÚgradient_hessianr   ÚravelÚ
empty_liker   Úshares_memoryÚtoarray)"r/   r-   rO   rQ   rR   rM   r>   rB   r?   ÚX_oldÚy_oldÚcoef_oldÚl1Úg1Úl2Úg2Úg3Úh3Úg4Úh4Ú_Úg_outÚh_outÚg5Úh5ÚXsÚl1_spÚg1_spÚl2_spÚg2_spÚg3_spÚh3_spÚg4_spÚh4_sps"                                     r'   Ú test_loss_grad_hess_are_the_samer€   i   sl  € õ  Y Y¡[¤[ÀÐNÑNÔN€DÝ Ø¨"¸Àðñ ô �J€A€qˆ$ð ŸVšV™XœX q§v¢v¡x¤x°·²±´�(ˆ5€Eà˜ÒÐÝœ A q¤w¨q¤z°q´w¸q´zÐBÑBÔBˆà	�ŠØˆa� -Àð 
ñ 
ô 
€Bð 
�ŠØˆa� -Àð 
ñ 
ô 
€Bð ×ÒØˆa� -Àð  ñ ô �F€Bˆð ×*Ò*Øˆa� -Àð +ñ ô �F€Bˆð ×%Ò%Øˆa� -Àð &ñ ô �I€BˆˆAõ �B˜ÑÔÐÝ�B˜ÑÔÐÝ�B˜ÑÔÐÝ�B˜ÑÔÐå�B˜Ÿš¨˜Ñ,Ô,Ñ,¨b¨b°©f¬f¯lªlÀ¨lÑ.EÔ.EÑFÔFÐFåŒM˜$ÑÔ€EÝŒM˜$ t¤y°$´)Ð&<Ð=Ñ=Ô=€EØ×%Ò%ØØ	Ø	Ø#Ø'ØØð &ñ ô �I€BˆˆAõ Ô˜B Ñ&Ô&Ð&Ð&Ð&ÝÔ˜B Ñ&Ô&Ð&Ð&Ð&Ý�B˜ÑÔÐÝ�B˜ÑÔÐÝ�B˜ÑÔÐÝ�B˜ÑÔÐð 
ˆ�qÑ	Ô	€BØ�IŠIØˆb�! =À/ð ñ ô €Eð �MŠMØˆb�! =À/ð ñ ô €Eð ×%Ò%Øˆb�! =À/ð &ñ ô �L€Eˆ5ð ×0Ò0Øˆb�! =À/ð 1ñ ô �L€Eˆ5ð ×+Ò+Øˆb�! =À/ð ,ñ ô �O€Eˆ5�!õ �B˜ÑÔÐÝ�B˜ÑÔÐÝ�B˜ÑÔÐÝ�B˜ÑÔÐÝ�B˜ÑÔÐÝ�B�B�r‘F”F˜E˜E %™LœLÑ)Ô)Ð)Ý�B˜ÑÔÐÝ�B˜ÑÔÐõ �A�uÑÔÐÝ�B—J’J‘L”L %Ñ(Ô(Ð(Ý�A�uÑÔÐÝ�D˜(Ñ#Ô#Ð#Ð#Ð#r)   ÚX_containerc           	      ó  — t           | ¦   «         d¬¦  «        }t           | ¦   «         d¬¦  «        }d\  }}t          |||d¬¦  «        \  }}	}
d|dd…d	f<   |dd…dd	…f         }|� ||¦  «        }|d
k    r-t          j        d|	j        d         |	j        d         ¬¦  «        }|                     |
||	||¬¦  «        \  }}|                     |
||	||¬¦  «        \  }}|                     |
||	||¬¦  «        \  }}|                     |
||	||¬¦  «        \  }}|t          j        |d|z  t          |
j
        d	         ¦  «        z  z   ¦  «        k    sJ ‚|}|j
        d	xx         ||
j
        d	         z  z  cc<   t          ||¦  «         t          j                             d¦  «        j        |
j        Ž } ||¦  «        } ||¦  «        }|}|j
        d	xx         ||j
        d	         z  z  cc<   t          ||¦  «         dS )z7Test that loss and gradient handle intercept correctly.FrG   T©rD   rH   r   rT   r   Nr   rP   r   rU   rW   g      à?)r
   rC   r*   r^   r   r`   ra   ÚpytestÚapproxr   r4   r   r+   r,   Úrandn)r/   rO   rQ   r�   rM   Ú
loss_interr   r   r>   rB   r?   ÚX_interÚlÚgrr   ÚhesspÚl_interÚg_interÚhessp_interÚg_inter_correctedr#   ÚhÚh_interÚh_inter_correcteds                           r'   Ú#test_loss_gradients_hessp_interceptr“   Ä   s…  € õ  Y Y¡[¤[ÀÐFÑFÔF€DÝ ¨9¨9©;¬;ÀdÐKÑKÔK€JØ!Ñ€IˆzÝ Ø¨)À
ÐQSðñ ô �J€A€qˆ$ð €A€a€a€aˆ€e�HØØ	ˆˆˆ3ˆBˆ3ˆô€Gð ÐØˆK˜‰NŒNˆà˜ÒÐÝœ A q¤w¨q¤z°q´w¸q´zÐBÑBÔBˆà×ÒØˆa� -Àð ñ ô �D€A€qð ×,Ò,Øˆa� -Àð -ñ ô �H€A€uð "×/Ò/Øˆg�q¨Àð 0ñ ô Ñ€GˆWð  ×8Ò8Øˆg�q¨Àð 9ñ ô �N€A€{ð
 •”Ø�#˜Ñ'­,°t´v¸b´zÑ*BÔ*BÑBÑBñô ò ð ð ð ð  ÐØÔ˜ÐÐÔ˜°´¸´Ñ;Ñ;ÐÐÑÝ�AÐ(Ñ)Ô)Ð)å
Œ	×Ò˜bÑ!Ô!Ô'¨¬Ð4€AØˆˆa‰Œ€AØˆk˜!‰nŒn€GØÐØÔ˜ÐÐÔ˜°´°R´Ñ8Ñ8ÐÐÑÝ�AÐ(Ñ)Ô)Ð)Ð)Ð)r)   c           	      ó®  ‡‡‡‡‡‡‡‡— t           | ¦   «         |¬¦  «        Šd\  }}t          ‰||d¬¦  «        \  ŠŠŠ‰                     d¬¦  «        Š‰dk    r-t          j        d‰j        d	         ‰j        d	         ¬
¦  «        ŠdŠ‰                     ‰‰‰‰‰¬¦  «        \  }}t          j        ‰ˆˆˆˆˆˆfd„d‰z  ¦  «        }t          j        ‰ˆˆˆˆˆˆfd„d‰z  ¦  «        }	d|z  |	z
  dz  }
t          ||
dd¬¦  «         t          j
        |¦  «        Šd‰d<    |‰¦  «        }dŠt          j        ‰ ‰d¦  «        }t          j        ˆˆˆˆˆˆˆfd„|D ¦   «         ¦  «        }||                     d	¬¦  «        z  }t          j        |dd…t          j        f         |¦  «        d	                              ¦   «         }t          ||d¬¦  «         dS )zÉTest gradients and hessians with numerical derivatives.

    Gradient should equal the numerical derivatives of the loss function.
    Hessians should equal the numerical derivatives of gradients.
    rG   rƒ   r   rT   rX   rY   rP   r   r   rU   g�íµ ÷Æ°>rW   c                 ó>   •— ‰                      | ‰z
  ‰‰‰‰¬¦  «        S )NrW   ©rM   ©r?   r>   ÚepsrQ   rM   rO   rB   s    €€€€€€r'   ú<lambda>z5test_gradients_hessians_numerically.<locals>.<lambda>  s-   ø€ �T—Y’YØ�3‰JØØØ'Ø+ð ñ 
ô 
€ r)   r   c                 óD   •— ‰                      | d‰z  z
  ‰‰‰‰¬¦  «        S )Nr   rW   r–   r—   s    €€€€€€r'   r™   z5test_gradients_hessians_numerically.<locals>.<lambda>)  s1   ø€ �T—Y’YØ�1�s‘7‰NØØØ'Ø+ð ñ 
ô 
€ r)   é   é   g{®Gáz„?g:Œ0âŽyE>)ÚrtolÚatolgü©ñÒMbP?é   c           	      óP   •— g | ]"}‰                      ‰|‰z  z   ‰‰‰‰¬ ¦  «        ‘Œ#S )rW   )r_   )	Ú.0Útr>   r?   rQ   rM   rO   ÚvectorrB   s	     €€€€€€€r'   ú
<listcomp>z7test_gradients_hessians_numerically.<locals>.<listcomp>A  sV   ø€ ð 		
ð 		
ð 		
ð ð �MŠMØ�q˜6‘zÑ!ØØØ+Ø /ð ñ ô ð		
ð 		
ð 		
r)   r   N)r�   )r
   rC   rc   r*   r^   r   ra   r   Úapprox_fprimer   Ú
zeros_likeÚarrayÚmeanr   ÚlstsqÚnewaxis)r/   r-   rO   rQ   r   r   rŠ   r‹   Ú	approx_g1Ú	approx_g2Úapprox_gÚhess_colÚd_xÚd_gradÚapprox_hess_colr>   r?   r˜   rM   r£   rB   s     ``           @@@@@@r'   Ú#test_gradients_hessians_numericallyr²   ü   sŠ  øøøøøøøø€ õ  Y Y¡[¤[ÀÐNÑNÔN€DØ!Ñ€IˆzÝ Ø¨)À
ÐQSðñ ô �J€A€qˆ$ð �:Š:˜Cˆ:Ñ Ô €Dà˜ÒÐÝœ A q¤w¨q¤z°q´w¸q´zÐBÑBÔBˆð €CØ×,Ò,Øˆa� -Àð -ñ ô �H€A€uõ Ô&Øð	
ð 	
ð 	
ð 	
ð 	
ð 	
ð 	
ð 	
ð 	
ð 	
ˆC‰ñ
ô 
€Iõ Ô&Øð	
ð 	
ð 	
ð 	
ð 	
ð 	
ð 	
ð 	
ð 	
ð 	
ˆC‰ñ
ô 
€Ið �I‘ 	Ñ)¨QÑ.€HÝ�A�x d°Ð6Ñ6Ô6Ð6õ Œ]˜1ÑÔ€FØ€Fˆ1�IØˆu�V‰}Œ}€Hð €CÝ
Œ+�s�d˜C Ñ
$Ô
$€CÝŒXð		
ð 		
ð 		
ð 		
ð 		
ð 		
ð 		
ð 		
ð 		
ð 		
ð ð		
ñ 		
ô 		
ñô €Fð ˆf�kŠk˜qˆkÑ!Ô!Ñ!€FÝ”l 3 q q q­"¬* }Ô#5°vÑ>Ô>¸qÔA×GÒGÑIÔI€OÝ�O X°DÐ9Ñ9Ô9Ð9Ð9Ð9r)   c                 óÚ  — t          t          ¦   «         | ¬¦  «        }d\  }}t          |||d¬¦  «        \  }}}t          j                             d¦  «        j        |j        Ž }|                     |||¦  «        \  }}	| 	                    |||¦  «        }
| 
                    |||¦  «        \  }} ||¦  «        }|	j        |j        k    sJ ‚|j        |j        k    sJ ‚t          |	|
¦  «         t          |	|¦  «         |                     |||¦  «        \  }}}|j        |j        k    sJ ‚|j        |j        |j        fk    sJ ‚|                     d¬¦  «        }|                     d¬¦  «        }|                     |||¦  «        \  }}| 	                    |||¦  «        }| 
                    |||¦  «        \  }} ||¦  «        }|j        |j        k    sJ ‚|j        |j        k    sJ ‚t          ||¦  «         t          ||¦  «         t          |	|                     |j        j        dd¬¦  «        ¦  «         t          ||                     |j        j        dd¬¦  «        ¦  «         dS )	z=Test that multinomial LinearModelLoss respects shape of coef.rG   rƒ   r   rT   rX   rY   r   N)r
   r   rC   r*   r+   r,   r†   r   r`   r_   ra   r   rb   r   rc   Úreshaper/   r1   )r-   rM   r   r   r>   rB   r?   r#   r‰   rŠ   rk   rm   r‹   r�   rn   Úhessrr   Úcoef_rÚs_rÚl_rÚg_rÚg1_rÚg2_rÚhessp_rÚh_rs                            r'   Útest_multinomial_coef_shaper¾   Q  sx  € õ Õ%8Ñ%:Ô%:È-ÐXÑXÔX€DØ!Ñ€IˆzÝ Ø¨)À
ÐQSðñ ô �J€A€qˆ$õ 	Œ	×Ò˜bÑ!Ô!Ô'¨¬Ð4€Aà×Ò˜d A qÑ)Ô)�D€A€qØ	�Š�t˜Q Ñ	"Ô	"€BØ×-Ò-¨d°A°qÑ9Ô9�I€BˆØˆˆa‰Œ€AØŒ7�d”jÒ Ð Ð Ð ØŒ7�d”jÒ Ð Ð Ð Ý�A�rÑÔÐÝ�A�rÑÔÐØ×'Ò'¨¨a°Ñ3Ô3�K€BˆˆaØŒ8�t”zÒ!Ð!Ð!Ð!àŒ:˜$œ) T¤YÐ/Ò/Ð/Ð/Ð/à�ZŠZ˜cˆZÑ"Ô"€FØ
�'Š'˜ˆ'Ñ
Ô
€CØ×!Ò! &¨!¨QÑ/Ô/�H€CˆØ�=Š=˜  AÑ&Ô&€DØ×1Ò1°&¸!¸QÑ?Ô?�M€Dˆ'Ø
ˆ'�#‰,Œ,€CØŒ9˜œÒ$Ð$Ð$Ð$ØŒ9˜œÒ$Ð$Ð$Ð$Ý�C˜ÑÔÐÝ�C˜ÑÔÐå�A�s—{’{ 4¤>Ô#;¸RÀs�{ÑKÔKÑLÔLÐLÝ�A�s—{’{ 4¤>Ô#;¸RÀs�{ÑKÔKÑLÔLÐLÐLÐLr)   c           	      óÚ  — d\  }}}t          t          |¬¦  «        d¬¦  «        }t          |||d¬¦  «        \  }}}|                     d¬¦  «        }| d	k    r-t	          j        d
|j        d         |j        d         ¬¦  «        } |                     |||| d¬¦  «        \  }}	}
t          |	|	j	        ¦  «         | 
                    ||¦  «        \  }}}|j                             ||| ¬¦  «        \  }}t	          j        |dd…df         ¦  «        t	          j        |dd…d
f         ¦  «        t	          j        |dd…df         ¦  «        t	          j        t	          j        d¦  «        ¦  «        f\  }}}}t	          j        |||z
  z  | |z  | |z  g| |z  |||z
  z  | |z  g| |z  | |z  |||z
  z  gg¦  «        }|                     ||||f¦  «        }| €||z  }n|| t	          j        | ¦  «        z  z  }t	          j        d|||¦  «        }t	          j        |dd¦  «        }|                     ||z  ||z  d¬¦  «        }t          ||j	        ¦  «         t          |	|¦  «         dS )aƒ  Test multinomial hessian for 3 classes and 2 points.

    For n_classes = 3 and n_samples = 2, we have
      p0 = [p0_0, p0_1]
      p1 = [p1_0, p1_1]
      p2 = [p2_0, p2_1]
    and with 2 x 2 diagonal subblocks
      H = [p0 * (1-p0),    -p0 * p1,    -p0 * p2]
          [   -p0 * p1, p1 * (1-p1),    -p1 * p2]
          [   -p0 * p2,    -p1 * p2, p2 * (1-p2)]
      hess = X' H X
    )r   rH   rœ   )r1   FrG   r   rT   rX   rY   rP   r   r   rU   rW   )Úy_truer@   rO   Nr   zij, mini, ik->jmnkrœ   ÚC)r
   r   rC   rc   r*   r^   r   rb   r   r4   Úweight_intercept_rawr/   Úgradient_probaÚdiagÚonesÚblockr´   r    ÚeinsumÚmoveaxis)rO   r   r   r1   rM   r>   rB   r?   Úgradrµ   rr   ÚweightsÚ	interceptr@   Úgrad_pointwiserA   Úp0dÚp1dÚp2dÚonedr�   Úhess_expecteds                         r'   Ú"test_multinomial_hessian_3_classesrÒ   w  sÐ  € ð (/Ñ$€Iˆz˜9ÝÝ%°	Ð:Ñ:Ô:È%ðñ ô €Dõ !Ø¨)À
ÐQSðñ ô �J€A€qˆ$ð �:Š:˜Cˆ:Ñ Ô €Dà˜ÒÐÝœ A q¤w¨q¤z°q´w¸q´zÐBÑBÔBˆà×)Ò)ØØ	Ø	Ø#Øð *ñ ô �M€Dˆ$�õ �D˜$œ&Ñ!Ô!Ð!à)-×)BÒ)BÀ4ÈÑ)KÔ)KÑ&€GˆY˜Ø œN×9Ò9ØØ%Ø#ð :ñ ô Ñ€N�Eõ 	Œ��a�a�a˜�d”ÑÔÝ
Œ��a�a�a˜�d”ÑÔÝ
Œ��a�a�a˜�d”ÑÔÝ
Œ•”˜‘
”
ÑÔð	Ñ€Cˆˆc�4õ 	Œà�D˜3‘JÑ # ¨¡¨c¨T°C©ZÐ8ØˆT�C‰Z˜  s¡
Ñ+¨c¨T°C©ZÐ8ØˆT�C‰Z˜#˜ ™ S¨D°3©JÑ%7Ð8ð	
ñ	ô 	€Að 	
�	Š	�9˜i¨°IÐ>Ñ?Ô?€AØÐØ	ˆY‰ˆˆà	ˆ]�RœV MÑ2Ô2Ñ2Ñ2ˆå”IÐ2°A°q¸!Ñ<Ô<€MÝ”K ¨q°!Ñ4Ô4€MØ!×)Ò)Ø�JÑ 	¨JÑ 6¸cð *ñ ô €Mõ �M =¤?Ñ3Ô3Ð3Ý�D˜-Ñ(Ô(Ð(Ð(Ð(r)   c                  óz  — d\  } }}t          t          ¦   «         d¬¦  «        }t          j        | |f¦  «        }t          j        | ¦  «        }|                     |¦  «        }t          j        d¦  «        }t          j        t          d¬¦  «        5  | 	                    ||||d¬¦  «         ddd¦  «         n# 1 swxY w Y   t          j        d¦  «        }t          j        t          d	¬¦  «        5  | 	                    |||d|¬¦  «         ddd¦  «         n# 1 swxY w Y   t          t          ¦   «         d¬¦  «        }|                     |¦  «        }t          j        d
|z  |f¦  «        ddd
…         }t          j        t          d¬¦  «        5  | 	                    ||||¬¦  «         ddd¦  «         n# 1 swxY w Y   t          j        d
|z  |z  ||z  f¦  «        ddd
…         }t          j        t          d¬¦  «        5  | 	                    |||d|¬¦  «         ddd¦  «         dS # 1 swxY w Y   dS )z;Test that wrong gradient_out and hessian_out raises errors.)rH   r   rœ   FrG   r   z1gradient_out is required to have shape coef.shape)ÚmatchN)r?   r>   rB   r[   r\   z%hessian_out is required to have shaper   z!gradient_out must be F-contiguous)r?   r>   rB   r[   zhessian_out must be contiguous)r
   r   r*   rÅ   r.   Úzerosr„   ÚraisesÚ
ValueErrorrb   r   )	r   r   r1   rM   r>   rB   r?   r[   r\   s	            r'   Ú=test_linear_loss_gradient_hessian_raises_wrong_out_parametersrØ   ½  sn  € à'.Ñ$€Iˆz˜9ÝÕ%5Ñ%7Ô%7ÀuÐMÑMÔM€DÝ
Œ�˜JÐ'Ñ(Ô(€AÝ
Œ�	ÑÔ€AØ×Ò˜qÑ!Ô!€DÝ”8˜A‘;”;€LÝ	ŒÝÐMð
ñ 
ô 
ð 	
ð 	
ð 	×ÒØØØØ%Øð 	ñ 	
ô 	
ð 	
ð	
ð 	
ð 	
ñ 	
ô 	
ð 	
ð 	
ð 	
ð 	
ð 	
ð 	
øøøð 	
ð 	
ð 	
ð 	
õ ”(˜1‘+”+€KÝ	Œ•zÐ)PÐ	QÑ	QÔ	Qð 
ð 
Ø×ÒØØØØØ#ð 	ñ 	
ô 	
ð 	
ð
ð 
ð 
ñ 
ô 
ð 
ð 
ð 
ð 
ð 
ð 
øøøð 
ð 
ð 
ð 
õ Õ%8Ñ%:Ô%:È%ÐPÑPÔP€DØ×Ò˜qÑ!Ô!€DÝ”8˜Q ™]¨JÐ7Ñ8Ô8¸¸¸1¸Ô=€LÝ	Œ•zÐ)LÐ	MÑ	MÔ	Mð 
ð 
Ø×ÒØØØØ%ð	 	ñ 	
ô 	
ð 	
ð
ð 
ð 
ñ 
ô 
ð 
ð 
ð 
ð 
ð 
ð 
øøøð 
ð 
ð 
ð 
õ ”(˜A 	™M¨JÑ6¸	ÀJÑ8NÐOÑPÔPÐQTÐQTÐSTÐQTÔU€KÝ	Œ•zÐ)IÐ	JÑ	JÔ	Jð 
ð 
Ø×ÒØØØØØ#ð 	ñ 	
ô 	
ð 	
ð
ð 
ð 
ñ 
ô 
ð 
ð 
ð 
ð 
ð 
ð 
ð 
øøøð 
ð 
ð 
ð 
ð 
ð 
sH   ÂB9Â9B=Ã B=Ã3DÄDÄ!DÆF:Æ:F>ÇF>ÈH0È0H4È7H4)r   r   )#Ú__doc__Únumpyr*   r„   Únumpy.testingr   Úscipyr   r   Úsklearn._loss.lossr   r   r   Úsklearn.datasetsr	   Ú!sklearn.linear_model._linear_lossr
   Úsklearn.utils.extmathr   Úsklearn.utils.fixesr   ÚLOSSESrC   ÚmarkÚparametrizeÚfloat32r9   Úint64rN   r€   r“   r²   r¾   rÒ   rØ   © r)   r'   ú<module>rè      sù  ððð ð Ð Ð Ð Ø €€€Ø )Ð )Ð )Ð )Ð )Ð )Ø "Ð "Ð "Ð "Ð "Ð "Ð "Ð "ðð ð ð ð ð ð ð ð ð ð
 2Ð 1Ð 1Ð 1Ð 1Ð 1Ø =Ð =Ð =Ð =Ð =Ð =Ø .Ð .Ð .Ð .Ð .Ð .Ø .Ð .Ð .Ð .Ð .Ð .ð Ð/°Ð	A€ð HJð1ð 1ð 1ð 1ðh „×Ò˜ fÑ-Ô-Ø„×Ò˜¨5°$¨-Ñ8Ô8Ø„×Ò˜ z z zÑ2Ô2Ø„×Ò˜ 4¨¬°R´ZÀÄÐ"JÑKÔKð'ð 'ñ LÔKñ 3Ô2ñ 9Ô8ñ .Ô-ð'ð* „×Ò˜ fÑ-Ô-Ø„×Ò˜¨5°$¨-Ñ8Ô8Ø„×Ò˜¨4°¨/Ñ:Ô:Ø„×ÒÐ*¨Q°¨FÑ3Ô3Ø„×Ò˜¨.Ñ9Ô9ðS$ð S$ñ :Ô9ñ 4Ô3ñ ;Ô:ñ 9Ô8ñ .Ô-ð
S$ðl „×Ò˜ fÑ-Ô-Ø„×Ò˜¨4°¨/Ñ:Ô:Ø„×ÒÐ*¨Q°¨FÑ3Ô3Ø„×Ò˜¨¸$¸Ñ(?Ñ@Ô@ð1*ð 1*ñ AÔ@ñ 4Ô3ñ ;Ô:ñ .Ô-ð1*ðh „×Ò˜ fÑ-Ô-Ø„×Ò˜¨5°$¨-Ñ8Ô8Ø„×Ò˜¨4°¨/Ñ:Ô:Ø„×ÒÐ*¨Q°¨FÑ3Ô3ðN:ð N:ñ 4Ô3ñ ;Ô:ñ 9Ô8ñ .Ô-ðN:ðb „×Ò˜¨5°$¨-Ñ8Ô8ð"Mð "Mñ 9Ô8ð"MðJ „×Ò˜¨4°¨/Ñ:Ô:ðB)ð B)ñ ;Ô:ðB)ðJ.
ð .
ð .
ð .
ð .
r)   